为什么 OpenAI 想让 ChatGPT 接管你的电脑、浏览器及一切

OpenAI 员工表示，他们即将实现该人工智能实验室长期以来的核心抱负之一。

自公司于 2015 年成立以来，领导层一直希望有一天能够构建出能像人类一样灵活使用计算机（尤其是网页浏览器）的 AI 智能体 (AI agents)。一个巨大的挑战在于收集和创建用于训练这些智能体的数据。OpenAI 现在对这项技术充满信心，已开始向客户推出 Computer Use（计算机使用）工具。

今年，该公司推出了一个 Chrome 浏览器扩展程序，允许 ChatGPT 接管浏览器；为 ChatGPT 创建了云端和应用内浏览器以与公开网站交互；并 在其 Codex 编程工具中添加了 Computer Use 功能。

同样的底层技术现在还允许用户让 ChatGPT 在其他应用程序上完成任务。OpenAI 总裁 Greg Brockman 在 X 上写道，4 月份的一次更新使该公司的技术“不再仅仅针对程序员，而是针对任何从事计算机工作的人”。

为 OpenAI 开发这些工具的员工告诉 Business Insider，虽然还有改进空间，但这些工具正处于转折点。竞争对手 Anthropic 也在竞相改进其版本的 Computer Use，并于 2024 年率先推向市场。截至 5 月，至少有 600,000 家机构尝试了 Anthropic 使用该工具的 Claude Cowork 功能。

现在，OpenAI 表示其技术能力已经赶上，并正在其王牌产品 ChatGPT 中加入自动化计算机任务的方法，赌注于用户会将越来越多的工作交给它。

“一旦 ChatGPT 使用计算机和软件的速度超过你我，它将改变你默认情况下与计算机交互的方式，”OpenAI 的 Computer Use 团队经理 Ari Weinstein 告诉 Business Insider。

OpenAI 是如何训练和构建 Computer Use 的

OpenAI 最新模型的每个训练阶段都包含了改进其 Computer Use 能力的数据或过程。哥伦比亚大学人工智能研究员 Zhou Yu 曾参与开发一项针对计算机使用智能体的流行基准测试，他告诉 Business Insider，这种额外的训练建立在标准 AI 模型的能力之上，并教导它如何处理更多任务。

Yu 表示，在 OpenAI 利用海量数据构建模型基础的最早阶段，该公司可能包含了逐帧截图，以便为 Computer Use “预装”有用的信息。

然后，在随后的步骤中，开发人员可以向模型提供显示产生特定输出的理想输入数据——在这种情况下，即导致该结果的计算机功能，例如填写税表或对物体进行 3D 建模。

这些数据可以来自人类训练员：OpenAI 在发布 2025 版 Computer Use 时表示，它使用了人们演示如何完成任务的数据集。（OpenAI 拒绝提供有关其最新训练数据的具体细节。）Yu 表示，这种类型的数据非常昂贵，因为很难获取并进行清理以供使用。